Никита Сергеевич Пыко, магистр по направлению "Инфокоммуникационные технологии и системы связи" (СПбГЭТУ, 2019), ассистент, младший научный сотрудник. Автор 37 научных работ
кафедра радиотехнических систем
научно-образовательный центр "Цифровые телекоммуникационные системы"
Сфера научных интересов – статистический анализ данных; математическое моделирование
197022
ул. Профессора Попова, д. 5 Ф
Санкт-Петербург
Nikita S. Pyko, Master in information and communication technology (2019), assistant, Junior Researcher. The author of 37 scientific publications
Department of Radio Engineering Systems
Scientific and Educational Center "Digital Telecommunication Technologies"
Area of expertise: statistical data analysis; mathematical modeling
197022
5 F, Professor Popov St.
St. Petersburg
Елена Дмитриевна Орандаренко, специалист по специальности "Радиоэлектронные системы и комплексы" (СПбГЭТУ, 2018), ассистент, младший научный сотрудник. Автор 10 научных работ
кафедра радиотехнических систем
лаборатория "Фундаментальные основы построения интеллектуальных систем"
Сфера научных интересов – статистический анализ данных; математическое моделирование
197022
ул. Профессора Попова, д. 5 Ф
Санкт-Петербург
Elena D. Orandarenko, specialist in radio-electronic systems and complexes (2018), assistant, Junior Researcher. The author of 10 scientific publications
Department of Radio Engineering Systems
Laboratory of Fundamental Foundations for Building Intelligent Systems
Area of expertise: statistical data analysis; mathematical modeling
197022
5 F, Professor Popov St.
St. Petersburg
Михаил Игоревич Богачев, доктор технических наук (2018), доцент (2011), главный научный сотрудник. Автор 200 научных работ
кафедра радиотехнических систем
научно-образовательный центр "Цифровые телекоммуникационные технологии"
Сфера научных интересов – статистический анализ данных; математическое моделирование
197022
ул. Профессора Попова, д. 5 Ф
Санкт-Петербург
Mikhail I. Bogachev, Dr Sci. (Eng.) (2018), Associate Professor (2011), Chief Researcher. The author of more than 200 scientific publications
Department of Radio Engineering Systems
Scientific and Educational Center "Digital Telecommunication Technologies"
Area of expertise: statistical data analysis; mathematical modeling
197022
5 F, Professor Popov St.
St. Petersburg
Введение. Обобщенное распределение экстремальных значений (Generalized Extreme Value – GEV) считается единственным возможным предельным распределением нормированных максимумов независимых и одинаково распределенных случайных величин. Традиционно выделяются 3 возможных типа распределения экстремальных значений, называемых также типами I, II и III. Отнесение случайного процесса или суперпозиции нескольких случайных процессов по виду распределения локальных максимумов к какому-либо типу, а также оценка параметров распределения может являться основанием для классификации или критерием оценки природных или техногенных процессов. При исследовании морской поверхности широко используются методы дистанционного радиолокационного зондирования, позволяющие за короткое время оценивать большие участки водной поверхности. Выделение экстремумов в изображении водной поверхности, построенном на основе отраженных сигналов, и дальнейшая оценка параметров их распределения позволяют сделать выводы о силе ветра, а также наличии зыби.
Цель работы. Исследование методом математического моделирования распределения локальных максимумов взволнованной морской поверхности при различной ветроволновой обстановке.
Материалы и методы. Для оценки состояния взволнованной морской поверхности использовалась оценка параметров обобщенного распределения экстремальных значений.
Результаты. Построена математическая модель взволнованной морской поверхности, включающая в себя ветровое волнение и волны зыби. Показано, что распределение локальных максимумов в отсутствие зыби аппроксимируется распределением Вейбулла, т. е. относится к III типу распределения GEV, параметры которого зависят от скорости ветра, при этом зависимость от глубины практически отсутствует. При наличииволн зыби распределение локальных экстремумов относится ко II типу распределения GEV, т. е. является распределением Фреше, а его параметры зависят от угла между волнами зыби и ветровыми волнами.
Заключение. На основании полученных результатов можно сделать вывод о целесообразности использования параметров распределения локальных экстремумов для характеристик морского волнения, и в первую очередь – для прогнозирования аномальных ситуаций на море, связанных с влиянием волн зыби.
Introduction. Generalized extreme value (GEV) distributions represent a universal description of the limiting distribution of the normalized local maxima statistics for independent and identically distributed data series. Extreme value distributions are commonly classified into three different types representing different functional forms and thus varying in shape, also known as types I, II, and III. Thus, attribution of some observational data series to a particular type of its local maxima distribution, as well as fitting of the distribution parameters, provides certain information about the laws governing the underlying natural or technogenic process. Radar-based remote sensing techniques represent a ubiquitous tool for analyzing large patterns of the sea surface and determining the parameters of the waves. In turn, understanding the laws governing the extreme values in the rough sea surface obtained from their radar images followed by evaluation of their distribution parameters, depending on the wind speed and direction, as well as the presence of surface currents and swells, can be useful for predicting wave height.
Aim. Analysis of the functional forms governing the local extreme value distributions in a rough sea surface for the given wind and swell parameters based on computer simulations.
Materials and methods. For the rough sea surface simulated by an additive harmonic synthesis procedure, the local extreme value distribution was fitted using the least-mean-squares technique. The fitted parameters were then used for their classification according to the three predetermined types.
Results. Computer simulations of a rough sea surface with combined wind and swell waves were performed. It is shown that the distribution of local maxima in the absence of swell waves could be well approximated by theWeibull (type III GEV) distribution, with the parameters explicitly depending on the wind speed. At the same time, no significant dependence on the sea depth was observed. On the contrary, in the presence of additional swell waves, the distribution of local extrema could be rather attributed to the Fréchet (type II GEV) distribution, with the parameters additionally depending on the angle between the wind and swell waves.
Conclusion. The laws governing the distributions of local wave extrema in rough seas are in a good agreement with the theoretical GEV approximations, with the distribution parameters being deductible from the key features of the waves. This indicates the predictability of wave height extrema from sea surface measurements, which can be performed based on remote radar observations.
The authors declare that there are no conflicts of interest present.